24招加速你的Python,超级实用!
云哥前期从以下九个方面讨论了加速Python的具体方法,一共24个,每个都带有优化前后的对比,非常实用。
分析代码运行时间
加速查找
加速循环
加速函数
实用标准库加速
Numpy向量化加速
加速Pandas
Dask加速
多线程多进程加速
我在此基础上主要美化了编辑,方便读者更容易阅读学习。
一 、分析代码运行时间
”1 测算代码单次运行时间
平凡法:
快捷法(Jupyter):
2 测算代码重复执行多次平均用时
平凡法:
快捷法(Jupyter):
3 按调用函数分析代码运行时间
平凡法:
快捷法(Jupyter):
4 按行分析代码运行时间
平凡法:
快捷法(Jupyter):
二、加速你的查找
”5 用set而非list进行in查找
低速法:
高速法:
6 用dict而非两个list进行匹配查找
低速法:
高速法:
三、加速你的循环
”7 优先使用for循环而不是while循环
低速法:
高速法:
8 循环体中避免重复运算
低速法:
高速法:
四、加速你的函数
”9、用缓存机制加速递归函数
低速法:
高速法:
10、用循环取代递归
低速法:
高速法:
11、 使用Numba加速Python函数
低速法:
高速法:
五、使用标准库函数进行加速
”12、使用collections.Counter类加速计数
低速法:
高速法:
13、使用collections.ChainMap加速字典合并
低速法:
高速法:
六、使用numpy向量化进行加速
”14、使用np.array代替list
低速法:
高速法:
15、使用np.ufunc代替math.func
低速法:
高速法:
16、使用np.where代替if
低速法:
高速法:
七、加速你的Pandas
”低速法:
高速法:
18、避免动态改变DataFrame的行数
低速法:
高速法:
低速法:
高速法:
20、使用pandas多进程工具pandarallel
低速法:
高速法:
八、使用Dask进行加速
”21、使用dask加速dataframe
低速法:
高速法:
22、使用dask.delayed应用多进程加速
低速法:
高速法:
九、应用多线程多进程加速
”23、使用多线程提升IO密集任务效率
低速法:
高速法:
24、使用多进程提升CPU密集任务效率
低速法:
高速法:
评论